Algokracja - Onepress
ebook
Autor: Krzysztof RybiISBN: 978-83-012-3019-7
stron: 288, Format: ebook
Data wydania: 2023-05-22
Ksi臋garnia: Onepress
Cena ksi膮偶ki: 71,20 z艂 (poprzednio: 87,90 z艂)
Oszcz臋dzasz: 19% (-16,70 z艂)
Osoby kt贸re kupowa艂y "Algokracja", wybiera艂y tak偶e:
- Udzia 0,00 z艂
- Rachunkowo 0,00 z艂
- Rezerwy celowe w systemie rachunkowo 0,00 z艂
- Rachunkowo 0,00 z艂
- Changing Paradigm for Inventory Management in a Supply Chain Context 0,00 z艂
Spis tre艣ci
Algokracja eBook -- spis tre艣ci
- Ok艂adka
- Strona tytu艂owa
- Strona redakcyjna
- Spis tre艣ci
- O Autorach
- Wst臋p, czyli dlaczego napisali艣my t臋 ksi膮偶k臋
- 1. Jak to dzia艂a
- Podstawowe poj臋cia
- Uczenie maszynowe
- 2. Podstawowe modele data science
- Regresja liniowa pomaga w聽wyborze wina
- Drzewa decyzyjne pozwalaj膮ce oceni膰 ryzyko kredytowe
- Jakie lekcje powinien wyci膮gn膮膰 dyrektor marketingu z聽nalot贸w aliant贸w podczas II wojny 艣wiatowej
- Naiwny klasyfikator Bayesa uwalnia nas od spamu
- Uczenie maszynowe nienadzorowane
- 3. G艂臋bokie uczenie maszynowe
- Jak sztuczna inteligencja powstrzyma艂a z艂odziei papieru toaletowego w聽Chinach
- Dlaczego dopiero teraz nast膮pi艂 rozw贸j sztucznej inteligencji
- Jak dzia艂aj膮 algorytmy g艂臋bokiego uczenia si臋 przyk艂ad uczenia nadzorowanego
- Jak stosowa膰 g艂臋bokie uczenie si臋 w聽praktyce
- 4. Czy komputer mo偶e dzia艂a膰 jak ludzki m贸zg, czyli uczenie ze wzmocnieniem
- Jak ludzki m贸zg stosuje mechanizm nagr贸d w聽procesie uczenia si臋
- Nagrody, czyli o聽tym, jak dzia艂aj膮 algorytmy uczenia ze wzmocnieniem
- Eksploracja versus eksploatacja i聽Q-uczenie si臋
- Zastosowania algorytm贸w uczenia si臋 ze wzmocnieniem
- 5. Jak komputer nauczy艂 si臋 rozumie膰 ludzk膮 mow臋, czyli gra w聽300 pyta艅
- Od cyfr, przez kompilatory, do rozumienia j臋zyka naturalnego
- Jak s艂owa staj膮 si臋 wektorami liczb, kt贸re komputer rozumie
- Zastosowania biznesowe
- 6. Jak przeczytali艣my ze zrozumieniem 180 tysi臋cy artyku艂贸w o聽nowych technologiach w聽kilka minut
- 7. Internet rzeczy i聽uczenie maszynowe
- Rolls-Royce, doskona艂o艣膰 produkcji i聽obs艂ugi dzi臋ki big data science
- Jak rze藕nik wykorzysta艂 internet rzeczy i聽uczenie maszynowe do budowy si艂y marki i聽wzrostu sprzeda偶y
- Przysz艂o艣膰 IoT
- 8. Wp艂yw sztucznej inteligencji na gospodark臋 i聽rynek pracy
- Prognozy wp艂ywu sztucznej inteligencji na rynek pracy
- 9. Czy Chiny wyprzedz膮 Stany Zjednoczone w聽obszarze sztucznej inteligencji
- Sztuczna inteligencja zosta艂a uznana w聽Chinach za kluczow膮 technologi臋 przysz艂o艣ci
- Dane jako paliwo nap臋dzaj膮ce rozw贸j sztucznej inteligencji
- Najbardziej konkurencyjny na 艣wiecie ekosystem start-up贸w
- 10. System scoringu spo艂ecznego w聽Chinach, czyli jak powstaje algokracja nowy system spo艂eczno-polityczny oparty na big data i聽sztucznej inteligencji
- Bardziej egalitarne spo艂ecze艅stwo
- Promowanie moralnie po偶膮danych postaw
- Wzrost transparentno艣ci 偶ycia publicznego i聽spo艂ecznego
- Wolno艣膰 w聽algokracji
- G艂贸wne ryzyko algokracji, czyli informatyczny demiurg
- 11. Czy i聽kiedy pojawi si臋 superinteligencja
- Typy sztucznej inteligencji
- Scenariusze dla 艣wiata rz膮dzonego przez sztuczn膮 superinteligencj臋
- Inteligencja zespo艂owa
- Sztuczna inteligencja i聽p艂ynna demokracja
- 12. Jakie zagro偶enia niesie ze sob膮 uczenie maszynowe i聽sztuczna inteligencja
- Uczenie maszynowe powi臋ksza nier贸wno艣ci rasowe i聽p艂ci
- Ocena parametryczna nauczycieli oparta na big data eliminuje wspania艂ych pedagog贸w
- Algorytmy promuj膮 niemoralne zachowania na wielk膮 skal臋
- Algorytmy nap臋dzaj膮 kryzys w聽szkolnictwie wy偶szym
- Co z聽tego wynika
- 13. Wolno艣膰 czyli o聽tym, jaki b臋dzie g艂贸wny wp艂yw sztucznej inteligencji na modele biznesowe i聽na cz艂owieka
- Zdolno艣膰 do budowania piaskownicy i聽zgodnego bawienia si臋 w聽niej z聽innymi
- Umiej臋tno艣膰 tworzenia i聽stosowania modeli XaaS
- Apifikacja kultury korporacyjnej
- 14. Praktyczne zastosowania sztucznej inteligencji i聽uczenia maszynowego
- Funkcje wewn臋trzne i聽administracyjne
- Zarz膮dzanie zasobami ludzkimi
- Analityka biznesowa
- Rozw贸j oprogramowania
- Marketing
- Nowe modele biznesowe
- Firmy rozwijaj膮ce sztuczn膮 inteligencj臋 i聽uczenie maszynowe w聽Polsce
- 15. Big data. Dlaczego inwestycja w聽infrastruktur臋 AI jest kluczowa
- Fundamenty
- Kluczowe wyzwania architektury ekosystemu big data
- Umys艂 cz艂owieka a聽infrastruktura AI
- Podstawowe elementy nowoczesnej architektury infrastruktury big data i聽AI
- Kluczowe za艂o偶enia w聽przygotowaniu odpowiedniej infrastruktury danych
- 16. Ucieczka w聽przysz艂o艣膰 jak automatycznie modelowa膰 dane behawioralne studium przypadku Synerise Monada
- Jakich rezultat贸w powinni艣my wymaga膰 od nowoczesnej architektury dla rozwi膮za艅 z聽zakresu sztucznej inteligencji
- Nienadzorowane uczenie maszynowe w聽czasie rzeczywistym na du偶膮 skal臋
- Kultura MLOps
- Praca nad budow膮 modelu AI, jego trenowanie i聽ewaluacja
- Narz臋dzia automatyzuj膮ce prac臋 data scientist贸w
- Systemy czasu rzeczywistego i聽ich ograniczenia
- Kluczowe kompetencje zespo艂u data science stanowi膮ce wewn臋trzny know-how
- Odkrywanie nowych zastosowa艅 biznesowych AI
- 17. Internet zdecentralizowany a聽sztuczna inteligencja
- 18. Wywiady z聽ekspertami
- Deep tech. GPT-3. AGI. Kiedy AI przekroczy mo偶liwo艣ci cz艂owieka?
- Rozmowa ze sztuczn膮 inteligencj膮 stworzon膮 przez OpenAI
- Dzisiaj w聽firmach obowi膮zuje zasada przede wszystkim klient (client first). Jutro najwa偶niejsz膮 zasad膮 b臋dzie przede wszystkim dane (data first). Rozmowa z聽Jackiem D膮browskim, Chief AI Officer, Synerise
- O tym, jak internet rzeczy zwi臋ksza efektywno艣膰 firm i聽satysfakcj臋 klient贸w, ale tak偶e prowadzi do powstania pokolenia D.
- Rozmowa z聽Aleksandrem Poniewierskim, partnerem i聽globalnym leaderem internetu rzeczy w聽EY
- Zako艅czenie
- Appendix: Najciekawsze przyk艂ady zastosowania sztucznej inteligencji w聽praktyce
- Lista zawod贸w, kt贸re znikn膮 z聽powodu rozszerzania si臋 wp艂ywu sztucznej inteligencji
- Spis organizacji zajmuj膮cych si臋 AI na 艣wiecie
- Najwa偶niejsze konferencje AI na 艣wiecie
- Literatura
- O partnerze wydania
- Przypisy